公开(公告)号：CN116541612A

公开(公告)日：2023-08-04

申请号：CN202310470329.3

申请日：2023-04-27

申请人： 新疆大学

发明人： 秦继伟 ,  马超

IPC分类号： G06F16/9536 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0985

摘要： 本发明涉及一种基于多关系的图卷积协同过滤推荐方法和系统。该方法使用图卷积网络获取用户和项目卷积后的嵌入向量和使用注意力网络为每个图卷积层获得的用户和项目的嵌入向量和分配不同权重αl和βl，并利用这些权重得到用户和项目之间的隐式关系au和ai；分析用户‑项目的历史交互数据，分别为用户和项目建立用户‑用户图和项目‑项目图来获取它们之间的显式关系lu和li；将用户和项目的隐式关系au、ai与显式关系lu、li整合，获得用户和项目的特征表示eu和ei，通过内积运算得到目标用户对目标项目的评分，预测用户对项目的偏好。本发明通过注意力网络为每层图卷积网络分配不同的权重，得到用户和项目的最优特征表示，使得模型能够更好地对用户偏好进行建模，提高推荐效果。

公开(公告)号：CN116010698A

公开(公告)日：2023-04-25

申请号：CN202310018069.6

申请日：2023-01-06

申请人： 新疆大学

发明人： 秦继伟 ,  任秋林 ,  高小鑫 ,  郑炅

IPC分类号： G06F16/9535 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464

摘要： 本发明公开了一种生成评论的个性化推荐方法，主要涉及计算机应用技术领域；包括步骤：S1、首先假设目标用户对目标商品的评论缺失；S2、将假设缺失的评论输入到评论监督器，将用户和商品剩余的评论组成评论文档输入到评论生成器；S3、通过最小化评论特征与伪标签之间的最小误差；S4、利用嵌入的方法把用户与商品ID的one‑hot编码，降维到一个相同的空间中，并提取ID特征；S5、引入注意力机制融合的方法自适应融合评论特征和ID特征到同一个空间中得到用户‑商品的偏好特征；S6、将偏好特征输入到预测器，去预测评分；本发明能够缓解目标用户对目标商品的评论容易缺失的问题和评论‑评分不一致问题。

公开(公告)号：CN113420866A

公开(公告)日：2021-09-21

申请号：CN202110698814.7

申请日：2021-06-23

申请人： 新疆大学

发明人： 秦继伟 ,  武步尘

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06Q10/04

摘要： 本发明公开了基于双重生成对抗网络的评分预测方法，主要涉及深度学习领域；包括步骤：S1、将样本分为用户喜欢的样本、未购买的样本和用户不喜欢的样本三种类型；S2、使用两个GAN，第一个GAN的G为负样本生成器，第二个GAN的G为正样本生成器，负样本生成器用于生成高质量的负样本；S3、将负样本生成器生成的样本作为额外的标记数据输入到正样本生成器中，并随机选取一些未购买的样本作为输入输入到负样本生成器中以生成正样本；S4、第二个GAN输入用户喜欢的购买向量并要求在第一个GAN生成的负样本元素上生成接近0的输出，并将随机采样的未购买向量尽可能生成x(0＜x＜1)；本发明能够提高模型对推荐预测的精度和模型的泛化力。

公开(公告)号：CN118735059A

公开(公告)日：2024-10-01

申请号：CN202410853459.X

申请日：2024-06-28

申请人： 新疆大学

发明人： 秦继伟 ,  崔代顺

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06F18/10 ,  G06F18/214 ,  G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06N3/04 ,  G06N3/084 ,  G06F123/02

摘要： 本发明为基于多尺度补丁并行预测网络的时间序列预测方法及装置。基于多尺度补丁并行预测网络的时间序列预测方法，为：将待预测目标输入至时间序列预测模型，得预测结果；所述的时间序列预测模型的建立步骤为：S10：获取电力时间序列数据，并通过滑动窗口方式切分数据集，生成原始训练数据集Dtrain和原始测试数据集Dtest；S20：对所述的数据集Dtrain、数据集Dtest进行数据分析和预处理，并记录数据预处理时采用的训练集统计值集合Strain；S30：构建初始时间序列预测模型；S40：对所述的初始时间序列预测模型进行训练，得所述的时间序列预测模型。本发明所述的基于多尺度补丁并行预测网络的时间序列预测方法及装置，具有更高的精确性。

公开(公告)号：CN116503141A

公开(公告)日：2023-07-28

申请号：CN202310569801.9

申请日：2023-05-19

申请人： 新疆大学

发明人： 秦继伟 ,  高澳华

IPC分类号： G06Q30/0601 ,  G06F16/9535 ,  G06N3/0455 ,  G06N3/044 ,  G06N3/048 ,  G06N3/08

摘要： 本发明涉及一种基于多序列的类别上下文序列推荐方法及系统。该方法从用户项目交互序列中提取类别上下文信息，转换为类别上下文序列；将项目交互嵌入序列和类别上下文序列交替输入多层seq2seq神经网络，建立由项目交互序列到类别上下文序列的正向依赖关系以及类别上下文序列到项目交互序列的反向依赖关系，最终获得项目交互序列与类别上下文序列间的双向依赖关系，表示为一组隐藏表示向量序列，该序列即为用户的动态偏好；通过个人融合模块将动态偏好与静态偏好进行整合，预测用户下一个时间步的行为。本发明方法引入了一个多层感知注意力模块来平衡不同序列之间的语义不对等现象。融合了用户的动态偏好与静态偏好，能达到更优的推荐性能。

公开(公告)号：CN116010716A

公开(公告)日：2023-04-25

申请号：CN202310017654.4

申请日：2023-01-06

申请人： 新疆大学

发明人： 秦继伟 ,  邓尚举 ,  王小乐 ,  郑炅

IPC分类号： G06F16/9536 ,  G06F16/9535 ,  G06F16/36 ,  G06F18/25 ,  G06N3/045 ,  G06N3/08 ,  G06N5/022

摘要： 本发明公开了结合显隐式信息的注意力知识网络，主要涉及计算机应用技术领域；包括步骤：S1、收集用户历史行为数据，进行数据处理；S2、使用一个信息共享层，使项目和实体产生特征交互，互补可用信息；S3、在波纹传播层中，输入用户交互的项目表示，然后利用项目和知识图谱中实体的对应关系和知识图谱中实体间的连接关系，在知识图谱中传播用户偏好，最后将扩散得到的实体表示聚合到用户表示；S4、在跨特征融合网络中，在元素级进行特征的显式交互，减少参数数量；S5、最终在预测层，将显隐式信息结合输出点击预测结果；本发明能够提高推荐的准确性，有效缓地解数据稀疏问题。

公开(公告)号：CN116010715A

公开(公告)日：2023-04-25

申请号：CN202310017650.6

申请日：2023-01-06

申请人： 新疆大学

发明人： 秦继伟 ,  宋晓远 ,  郑炅

IPC分类号： G06F16/9536 ,  G06N3/0475 ,  G06N3/094

摘要： 本发明公开了基于改进的生成对抗网络的评分预测方法，主要涉及计算机应用技术领域；包括步骤：S1、利用编码器学习用户交互数据的特征并进行表示，然后将编码器的输入与输出看作联合分布，并输入到判别器；S2、将用户隐式交互矩阵输入到生成器中，由生成器学习用户的兴趣分布，并将生成器的输出与输入看作联合分布，输入到判别器；S3、将训练得到两个联合分布分别输入到判别器中，判别器判断输入数据的来源；S4、当训练到最优时，两个联合分布基本相同，此时将用户的每个项目输入到生成器中，为用户提供他们可能更感兴趣的项目；本发明可以利用学习到的交互特征，进一步提升模型学习用户兴趣分布的能力，以提高评级预测的准确性。